Phonic·Rime, 음성 AI 모델 발표

Phonic은 2026년 10월 29일 사용자가 말하는 동안 외부 도구를 실행할 수 있는 음성 AI 모델 Phonic-1을 발표했습니다. Rime도 하루 전인 10월 28일, AI가 음성으로 답하기 전에 기업이 내용을 텍스트로 검사할 수 있는 모델 Prism을 공개했습니다. 두 모델은 사용자의 음성을 직접 처리하고 음성으로 응답하는 음성 간 처리(Speech-to-Speech) 방식입니다. Phonic-1은 발화 중 작업 실행을, Prism은 기업이 답변 내용을 관리하는 기능을 내세웁니다.

음성 AI에는 음성 인식으로 말을 텍스트로 바꾸고, 언어 모델이 답을 만든 뒤, 음성 합성으로 읽어 주는 단계별 처리 방식(여러 단계를 순차적으로 연결하는 구조)이 있습니다. 각 처리를 차례로 연결하지만, 텍스트 변환만으로는 목소리의 어조와 망설임, 말 사이의 간격을 충분히 전달하기 어렵습니다. 두 회사는 음성 자체를 다루고 이런 정보를 대화에 활용하는 모델을 개발했으며, 외부 시스템을 쓰는 업무에도 대응한다고 밝혔습니다.

Phonic-1은 사용자가 말을 마치기 전에 도구를 호출해 필요한 작업을 시작합니다. Phonic이 공개한 여행 요청 비교 데모에서 모델은 발화 중 도구 5개를 호출했고, 사용자가 말을 끝낸 뒤 1.1초 만에 답했습니다. 비교 대상인 GPT-Live는 발화가 끝난 뒤 도구를 호출해 답변까지 15.7초가 걸렸습니다. 이 수치는 회사가 실시한 특정 데모 결과입니다. Phonic-1은 50개 이상의 언어로 학습했으며 대화 중 언어가 바뀌어도 같은 목소리로 응답할 수 있습니다. 회사는 영어에서 스페인어, 일본어, 중국어로 바꾸는 데모와 44분 통화 중 도구를 123회 호출하는 데모도 공개했습니다.

Phonic-1은 발표 당일부터 사용할 수 있으며, API, TypeScript·Python SDK와 코드 없이 에이전트를 만드는 기능을 통해 이용할 수 있습니다. 회사는 고객 응대, 채용 면접, 환자 접수를 활용 사례로 들었습니다.

Prism은 사용자의 음성을 듣고 답변을 텍스트로 만든 다음 말하도록 하나의 시스템으로 학습됐습니다. AI가 말하는 동안에도 사용자의 음성을 계속 듣고, 발화와 동시에 도구를 실행할 수 있습니다. 답변 텍스트를 음성 출력 전 확인 지점으로 삼아 기업 애플리케이션이 사용자가 듣기 전에 사내 규칙과 발언 제한에 맞는지 검사할 수 있습니다. Prism은 음성을 직접 처리해 망설임, 분노, 웃음 등의 정보를 다루면서 기업이 답변을 관리할 수 있도록 설계됐습니다.

Rime은 항공, 소매, 통신 분야의 고객 응대를 모방한 벤치마크 τ-Voice에서 도구 호출과 지시 이행 능력을 평가했습니다. 발화 전에 추가 추론 처리를 넣지 않은 조건에서 점수는 56.6이었고, 사용자 발화가 끝난 뒤 첫 음성이 나오기까지 0.57초였다고 밝혔습니다. Prism은 기업 통화 데이터로 미세 조정할 수 있고, 온프레미스, 가상 사설 클라우드(VPC), 클라우드 운영을 지원합니다. 기업이 추가 학습에 쓰는 강화학습(RL)·지도 미세 조정(SFT) API는 발표 당시 베타 고객과 개발 중이었습니다. 공식 문서에 따르면 지원 언어는 영어뿐입니다.

Phonic은 2026년 10월 29일 사용자가 말하는 동안 외부 도구를 실행할 수 있는 음성 AI 모델 Phonic-1을 발표했습니다. Rime도 하루 전인 10월 28일, AI가 음성으로 답하기 전에 기업이 내용을 텍스트로 검사할 수 있는 모델 Prism을 공개했습니다. 두 모델은 사용자의 음성을 직접 처리하고 음성으로 응답하는 음성 간 처리(Speech-to-Speech) 방식입니다. Phonic-1은 발화 중 작업 실행을, Prism은 기업이 답변 내용을 관리하는 기능을 내세웁니다.

음성 AI에는 음성 인식으로 말을 텍스트로 바꾸고, 언어 모델이 답을 만든 뒤, 음성 합성으로 읽어 주는 단계별 처리 방식(여러 단계를 순차적으로 연결하는 구조)이 있습니다. 각 처리를 차례로 연결하지만, 텍스트 변환만으로는 목소리의 어조와 망설임, 말 사이의 간격을 충분히 전달하기 어렵습니다. 두 회사는 음성 자체를 다루고 이런 정보를 대화에 활용하는 모델을 개발했으며, 외부 시스템을 쓰는 업무에도 대응한다고 밝혔습니다.

Phonic-1은 사용자가 말을 마치기 전에 도구를 호출해 필요한 작업을 시작합니다. Phonic이 공개한 여행 요청 비교 데모에서 모델은 발화 중 도구 5개를 호출했고, 사용자가 말을 끝낸 뒤 1.1초 만에 답했습니다. 비교 대상인 GPT-Live는 발화가 끝난 뒤 도구를 호출해 답변까지 15.7초가 걸렸습니다. 이 수치는 회사가 실시한 특정 데모 결과입니다. Phonic-1은 50개 이상의 언어로 학습했으며 대화 중 언어가 바뀌어도 같은 목소리로 응답할 수 있습니다. 회사는 영어에서 스페인어, 일본어, 중국어로 바꾸는 데모와 44분 통화 중 도구를 123회 호출하는 데모도 공개했습니다.

Phonic-1은 발표 당일부터 사용할 수 있으며, API, TypeScript·Python SDK와 코드 없이 에이전트를 만드는 기능을 통해 이용할 수 있습니다. 회사는 고객 응대, 채용 면접, 환자 접수를 활용 사례로 들었습니다.

Prism은 사용자의 음성을 듣고 답변을 텍스트로 만든 다음 말하도록 하나의 시스템으로 학습됐습니다. AI가 말하는 동안에도 사용자의 음성을 계속 듣고, 발화와 동시에 도구를 실행할 수 있습니다. 답변 텍스트를 음성 출력 전 확인 지점으로 삼아 기업 애플리케이션이 사용자가 듣기 전에 사내 규칙과 발언 제한에 맞는지 검사할 수 있습니다. Prism은 음성을 직접 처리해 망설임, 분노, 웃음 등의 정보를 다루면서 기업이 답변을 관리할 수 있도록 설계됐습니다.

Rime은 항공, 소매, 통신 분야의 고객 응대를 모방한 벤치마크 τ-Voice에서 도구 호출과 지시 이행 능력을 평가했습니다. 발화 전에 추가 추론 처리를 넣지 않은 조건에서 점수는 56.6이었고, 사용자 발화가 끝난 뒤 첫 음성이 나오기까지 0.57초였다고 밝혔습니다. Prism은 기업 통화 데이터로 미세 조정할 수 있고, 온프레미스, 가상 사설 클라우드(VPC), 클라우드 운영을 지원합니다. 기업이 추가 학습에 쓰는 강화학습(RL)·지도 미세 조정(SFT) API는 발표 당시 베타 고객과 개발 중이었습니다. 공식 문서에 따르면 지원 언어는 영어뿐입니다.